投稿者 投稿日: カテゴリー EC×AI活用
クレーム根本原因クラスタリングとは、原因別に6分類し改善策を出す手法です。
星1レビューが先月から増えている、けれど何が原因かを社内で説明できない。月商500万円から5,000万円規模のEC事業者から、こうした相談が届きます。楽天RMSのレビュー一覧、Amazon Seller Centralの返品理由レポート、問い合わせフォームの受信箱、コールセンターの通話記録CSV。材料は手元にあるのに、置き場所が分かれていて通しで読む時間が取れない状態です。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。取り上げるのは、ALSEL Agent Skills が配布するスキル「クレーム・問い合わせ 根本原因クラスタリング」です。
クレーム根本原因クラスタリングでできること
このスキルは、複数のクレーム・問い合わせ・低評価レビュー・コール記録を、配送品質、商品品質、説明・期待値ズレ、カスタマー対応、システム・サイト不具合、その他という6大カテゴリに分類し、根本原因と改善アクションを優先度付きで整理します。個別案件への返信文を書くスキルではなく、集合的な傾向把握と再発防止策の立案が目的です。
設計の中心にあるのは、症状ではなく原因でクラスタリングするという原則です。同じ「商品が壊れていた」というクレームでも、原因が梱包不備なのか、製造不良なのか、配送業者の取扱いなのか、保管環境なのかで打つ手はまったく変わります。ラベルを揃えただけで終わらせず、クラスタごとに根本原因まで掘り下げる点が、単なるタグ付けとの違いです。
分類では主因と副因の重複を許容します。「配送が遅れたうえに問い合わせの返事も遅かった」という1件は、配送品質とカスタマー対応の両方にカウントし、どちらが主因かを分けて記録します。そのうえで頻度の高い症状について5なぜ分析を行い、直接原因、仕組み原因、運用原因、構造原因まで順に降りていきます。優先度は件数だけで決めず、件数と単件影響と再発リスクを掛け合わせ、改善容易性で割る形で算出します。
実際の使い方と入力データの形式
使い方は、Claude Code にこのスキルを読み込ませたうえで、「先月のクレームを分析して」「低評価レビューの原因を整理して」「再発防止策をまとめて」といった日本語で指示するだけです。クレーム原因分類、コールセンター入電分析、VOC分析といった言い回しも起動キーワードに登録されています。
入力できるのは、1行1案件のCSV、メール本文、レビュー全文、コール記録の文字起こしといった自由テキストです。日時、顧客識別（匿名化を推奨）、商品名またはSKU、チャネル（電話・メール・チャット・モールレビュー）、本文、対応結果の6項目がそろっていると分類の精度が上がります。楽天RMSからレビューを、Amazon Seller Centralから返品理由を、Shopify管理画面から問い合わせ履歴をそれぞれ書き出し、1本のCSVに縦積みする程度の前処理で足ります。
処理は、データ読み込みと件数確認、原因語の抽出、6カテゴリへの分類、5なぜによる根本原因の特定、優先度マトリクスの作成、改善アクションプラン作成の6ステップで進みます。原因語の抽出では、「届かない」「2日経っても」は配送遅延、「写真と違う」「思ったより小さい」は期待値ズレ、「返事がない」はカスタマー対応、「決済できない」「カートが消えた」はシステム不具合、といった頻出語のマッピングを使います。
出力はMarkdownのレポートです。入力サマリ、6カテゴリ別の件数と占有率、カテゴリごとの主要サブ原因の上位3件、5なぜ分析、改善アクションの優先順位、KPIとモニタリング設計、再連絡が必要な高リスク個別案件のピックアップまでが含まれます。改善アクションは担当部門、工数見積、期待効果、開始時期まで書き出す形式なので、そのまま社内の改善会議に載せられます。
個別の返信文づくりは範囲外です。その先は レビュー返信文を自動生成するスキル など別スキルに引き継ぐ設計になっています。レビュー本文から商品改善のヒントを抜き出す用途には レビューとQAのマイニングスキル が近く、スキルそのものの作り方は Claude Agent Skillsの作り方 にまとめています。
クレーム分析の工数はどれだけ減るかの試算
月200件の問い合わせを手作業でExcel分類する場合を試算します。1件あたり本文を読んで分類先を決めるのに平均3分かかるとすると、200件で600分、およそ10時間です。ここに原因の深掘り、優先度付け、レポート整形が3時間から5時間ほど乗るため、月あたり13時間から15時間が目安になります。このスキルを使う場合は、CSVの整形に10分から20分、実行と出力内容の確認に30分から60分程度で、合計1時間前後に収まる想定です。差し引きで月12時間前後の削減という試算です。いずれも目安であり、データの粒度や件数、商材の複雑さによって大きく変動します。
限界も正直に書いておきます。出力はあくまで一次案で、現場ヒアリングと実証を経て確定させる前提です。サンプルが10件以下なら統計的な傾向化は難しく、仮説として扱う設計です。30件を下回るデータで断定的な割合を語ることも避けます。氏名・電話番号・メールアドレスは出力前に必ず匿名化してください。配送業者起因の外的要因や繁忙期による一時的な増加も、自社で改善できる部分と分けて読む必要があります。特商法・薬機法・景表法・PL法に触れる可能性のあるクレームは、件数の多寡に関わらず即対応の別枠として扱うのが安全です。
まとめ
このスキルが向くのは、月間の問い合わせとレビューが合わせて50件以上あり、複数チャネルを運営していて、CS担当が1名から3名という規模の事業者です。国民生活センターのPIO-NET集計では、2024年度の消費生活相談91.0万件のうち通信販売が36.8パーセントを占めており、通販事業者にとってクレーム対応は構造的な業務になっています。一歩目としては、直近3か月分のクレームを、日時・チャネル・商品・本文・対応結果の5列だけのCSV1本にまとめるところから着手してください。分類と原因の掘り下げは、そのあとスキルに任せられます。
参考文献
- Anthropic「Agent Skills overview」公式ドキュメント
- Anthropic 公式スキルリポジトリ anthropics/skills（GitHub）
- 国民生活センター「2024年度 全国の消費生活相談の状況−PIO-NETより−」
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
